為了提高圖像分割的質(zhì)量和效率,同時,針對粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)容易陷于局部最優(yōu)和K-均值算法對初始聚類中心敏感的問題,本文將PSO和K-均值算法相結(jié)合,提出一種通過調(diào)整慣性權(quán)重和學(xué)習(xí)因子的優(yōu)化算法。首先,對圖像進行去噪預(yù)處理,并將處理后的顏色圖像轉(zhuǎn)換到HSV空間,以提高色彩質(zhì)量。然后,改進粒子群算法中的慣性權(quán)重和學(xué)習(xí)因子公式及參數(shù),避免陷入局部最優(yōu)。最后,根據(jù)粒子的適應(yīng)度切換到K-均值算法執(zhí)行局部搜索,使聚類中心不斷更新實現(xiàn)快速收斂。實驗結(jié)果表明,在圖像分割的過程中,改進的算法具有全局搜索能力強的優(yōu)點,能夠?qū)崿F(xiàn)更快的收斂速度和更高的分割精度。

【文章頁數(shù)】：6 頁

本文編號：3881296